Michał Burdukiewicz:
- bioinformatyk (MiNI PW),
- 12 lat doświadczenia z R,
- Stowarzyszenie Wrocławskich Użytkowników R (stwur.pl),
- Fundacja Why R? (whyr.pl).
Materiały: https://github.com/michbur/WizualizacjaDanychWyklad
01-12-2019
Michał Burdukiewicz:
Materiały: https://github.com/michbur/WizualizacjaDanychWyklad

Joint Committee on Standards for Graphic Presentation (1915). Standards for Graphic Presentation. Publications of the American Statistical Association 14, 790–797.
Gramatyka grafiki (grammar of graphics): ustrukturyzowany opis wizualizacji danych.
Wilkinson, L. (2005). The Grammar of Graphics (New York: Springer-Verlag).

Źródło: https://blog.gtwang.org/
Atrybuty wizualne (aesthetics): mapowanie danych do osi, kolorów, kształtów.
Oś X: Sepal.Length. Oś Y: Petal.Length.
Oś X: Sepal.Length. Oś Y: Petal.Length. Kolor: Species.
Oś X: Sepal.Length. Oś Y: Petal.Length. Kształt: Species.
Oś X: Sepal.Length. Oś Y: Petal.Length. Kształt: Species. Kolor: Species.
Geometrie: obiekty reprezentujące dane.
Orientacja obiektów geometrycznych wzgledem siebie też jest istotna.
Dzielenie wykresu na podwykresy w zależności od poziomu zmiennej dyskretnej.
Transformacje danych w celu przypisania ich do atrybutów wizualnych.
| Nazwa | Przykłady |
|---|---|
| Dane (data) | |
| Atrybuty wizualne (aesthetics) | Osie, kolory, kształty, typy linii |
| Geometrie (geometries) | Linie, słupki, punkty |
| Fasety (facets) | Podrysunki tworzone na podstawie dyskretnych zmiennych |
| Statystyki (statistics) | Średnie, mediany, kwantyle. |
| Koordynaty (coordinates) | Kartezjański, polarny |
| Motyw (theme) | Wygląd rysunku |

Wykresy 3D w R: https://github.com/tylermorganwall/rayshader
Inspiracje: VennGage
![]()

Czcionki wykorzystywane przez Tableau są tak dobrane, aby zapewnić maksymalną czytelność przy małych rozmiarach.
Kolory mogą nawiązywać do treści wizualizacji…
… ale schemat kolorystyczny powinien być stosowany konsekwentnie.
Źródło: http://www.asawicki.info/
Źródło: http://www.asawicki.info/
Źródło: http://www.asawicki.info/
https://www.color-blindness.com/coblis-color-blindness-simulator/
Tableau domyślnie dobiera palety kolorów (zarówno ilościowe jak i kategoryczne), które są łatwo rozróżnialne również dla osób z zaburzeniami widzenia barwnego.
Elementy graficzne nawiązujące do treści wzmacniają przekaz i pozwalają lepiej zrozumieć dane.
Dashboard może zawierać tylko jeden wykres, co nie przekłada się na łatwość jej zrozumienia.

Trudne porównania - niewłaściwie wybrana metoda wizualizacja.

Niewłaściwie wybrana metoda wizualizacji.

Zbyt duża ilość informacji na jednym wykresie.

How to Lie with Statistics, Darrell Huff






Deklaratywne:
Imperatywne:
https://altair-viz.github.io/gallery/simple_bar_chart.html
Pythonowe API dla Vega-Lite.
Brian Granger, uzasadniając stworzenie Altaira: I love Python, but do my visualisations using R/ggplot2.
Pakiet R: https://github.com/vegawidget/altair (używa reticulate).
Leaflet.js: interaktywne mapy.
W R: https://rstudio.github.io/leaflet/
W Pythonie: https://github.com/python-visualization/folium
Rozszerzenia: https://mpld3.github.io/
https://seaborn.pydata.org/ - oparte na matplotlib.
Świetne szablony wizualizacji!
Pakiety w R: https://github.com/hrbrmstr/vegalite i https://github.com/vegawidget/vegawidget
JSONowa specyfikacja wizualizacji.
Lyra (nie zniechęcać się http://vega.github.io/lyra/).
Lyra 1.0 jest online i działa satysfakcjonująco: http://idl.cs.washington.edu/projects/lyra/.
Inkscape: darmowy i otwarty edytor grafiki wektorowej.